熊猫groupby函数返回NaN值

Question

我有一个包含字段unique_id，sexy，born_at（生日）的人员列表，并且我尝试按性别和年龄段进行分组，并计算每个细分中的行。

无法弄清楚为什么我一直将NaN或0作为每个分段的输出。

这是我采用的最新方法...

数据样本：

|---------------------|------------------|------------------|
|      unique_id      |        sex       |     born_at      |
|---------------------|------------------|------------------|
|          1          |         M        |   1963-08-04     |
|---------------------|------------------|------------------|
|          2          |         F        |   1972-03-22     |
|---------------------|------------------|------------------|
|          3          |         M        |   1982-02-10     |
|---------------------|------------------|------------------|
|          4          |         M        |   1989-05-02     |
|---------------------|------------------|------------------|
|          5          |         F        |   1974-01-09     |
|---------------------|------------------|------------------|

代码：

df[‘num_people’]=1
breakpoints = [18,25,35,45,55,65]

df[[‘sex’,’born_at’,’num_people’]].groupby([‘sex’,pd.cut(df.born_at.dt.year, bins=breakpoints)]).agg(‘count’)

我尝试使用agg类型进行求和，使用相同的pd.cut函数从数据系列中删除NaN，pivot_table，但没有运气。猜测还有一种更好的方法可以完成此操作，而无需创建1列。

所需的输出将是这样的...

输出中不需要多余的born_at列，我还希望年龄段为18至24、25至34等，而不是18至25、25至35等，但是我我不确定该如何指定。

Answer 1

我认为您错过了当前年龄的计算。您定义的用于分割bithday年的范围仅在使用它们来计算当前年龄时才有意义（否则所有分组的单元格将分别为nan或0，因为样本中的最小值为1963，最右边的最大值为65） 。首先，您要计算年龄：

datetime.now().year-df.birthday.dt.year

然后，此信息可用于对数据进行分组（先前已按性别分组）：

df.groupby(['gender', pandas.cut(datetime.now().year-df.birthday.dt.year, bins=breakpoints)]).agg('count')

要摆脱nan单元格，您只需执行以下fillna（0）即可：

df.groupby(['gender', pandas.cut(datetime.now().year-df.birthday.dt.year, bins=breakpoints)]).agg('count').fillna(0).rename(columns={'birthday':'count'})